Machine-Learning-Dienste der Hyperscaler – ein Überblick
Amazon, Google und Microsoft bieten mit spezialisierten Cloud-Plattformen ein breites Portfolio an Werkzeugen für Machine Learning und generative KI.
(Bild: Laura-Sophie Gruhn / heise medien)
- Leon Marius Schröder
- Jasmin Drogat
Wer nach Machine-Learning-Diensten sucht, landet schnell bei den Angeboten der US-amerikanischen Hyperscaler. Mit AWS SageMaker, Googles Vertex AI und Azure Machine Learning bieten alle drei Plattformen eine Vielzahl an Diensten und wollen so End-to-End-ML-Workflows abbilden, Dienste automatisieren oder auf der Plattform managen und alle gängigen Frameworks in ihr Cloud-Ökosystem einbinden. Dabei haben die Produktpaletten im Laufe der Jahre ein unübersichtliches Ausmaß angenommen.
AWS SageMaker: Vor- und Nachteile im Überblick
AWS könnte den perfekten Werkzeugkasten bieten, der sich genau an die spezifischen Bedürfnisse seiner Nutzer anpasst. Leider kommt die Amazon-Tochter den Nutzern in der Konfiguration in keiner Weise entgegen und lässt sie relativ allein mit dem enormen Angebot. Die diversen Tutorials, die Einsteiger unterstützen sollen, sind über verschiedene Plattformen verteilt, sodass zusätzlich zum zeitintensiven Einrichten der Workflows eine längere Recherche der korrekten Hilfen für das jeweilige Problem eingeplant werden muss. Weitere Hürden sind das für Anfänger eher verwirrende UI und die überwältigende Serverkonfiguration, die erfahrene User voraussetzt.
- Die großen Cloud-Anbieter AWS, Google und Microsoft bieten umfangreiche, aber teils unübersichtliche ML- und KI-Dienste für unterschiedliche Zielgruppen an, von Einsteigern bis Enterprise.
- AWS punktet mit der größten und flexibelsten Servicepalette, erfordert jedoch tiefere Einarbeitung und ein komplexes Kostenmanagement.
- Googles Plattform Vertex AI ist mit didaktisch aufbereiteten und interaktiven Tutorials die einsteigerfreundlichste Wahl. Kleine, datengetriebene Gelegenheitsprojekte lassen sich hier am besten designen.
- Azure legt den Fokus auf schnelle, geschäftsorientierte Nutzung und Integration in bestehende Microsoft-Stacks, wobei fortgeschrittene Features oft spezielles Fachwissen verlangen.
Geübte Nutzer finden ein konsistentes Interface vor, das sich in allen Bereichen personalisieren lässt und auch tiefere Einstellungen transparent aufbereitet.
Das war die Leseprobe unseres heise-Plus-Artikels "Machine-Learning-Dienste der Hyperscaler – ein Überblick". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.
